1.一种语义分割模型训练方法，其特征在于，所述方法采用多个预先标注有弱监督信息的训练图像对语义分割模型进行训练，针对于每一个训练图像，训练步骤包括：将所述训练图像输入至所述语义分割模型，得到所述语义分割模型输出的所述训练图像的语义分割的初步结果；

依据所述弱监督信息和从所述训练图像选择的多个局部候选区域，进行局部候选区域融合，得到所述训练图像的语义分割的校正结果；

依据所述初步结果和所述校正结果，对所述语义分割模型的模型参数进行修正；

迭代执行所述训练步骤直至所述语义分割模型的训练结果满足预定收敛条件。

2.根据权利要求1所述的语义分割模型训练方法，其特征在于，所述弱监督信息包含：物体类别信息。

3.根据权利要求1所述的语义分割模型训练方法，其特征在于，在所述进行局部候选区域融合之前，所述方法还包括：对所述训练图像进行超像素分割处理，将进行超像素分割处理得到的若干图像块进行聚类，得到多个局部候选区域。

4.根据权利要求1-3任一项所述的语义分割模型训练方法，其特征在于，所述训练步骤还包括：利用交叉熵损失函数，将所述多个局部候选区域按照物体类别进行分类；

对每个局部候选区域属于物体类别的概率进行预测，得到每个局部候选区域的物体类别概率预测值。

5.根据权利要求1-4任一项所述的语义分割模型训练方法，其特征在于，所述训练步骤还包括：依据所述弱监督信息，对用于预测所述训练图像的图像类别的函数进行训练。

6.根据权利要求1-5任一项所述的语义分割模型训练方法，其特征在于，所述依据所述弱监督信息和从所述训练图像选择的多个局部候选区域，进行局部候选区域融合，得到所述训练图像的语义分割的校正结果进一步包括：从所述多个局部候选区域内选择出属于同一物体类别的局部候选区域；

针对属于同一物体类别的局部候选区域，进行融合处理，并采用聚类算法将融合后的图像区域划分为近物体区域、近背景区域和歧义区域；

将近物体区域和近背景区域作为种子，采用分割算法对所述歧义区域进行分割，得到所述训练图像的语义分割的校正结果。

7.一种图像分割方法，其特征在于，包括：

将待分割的图像作为语义分割模型的输入，所述语义分割模型预先采用如权利要求1-

6任一所述的方法进行训练；

根据所述语义分割模型的输出结果确定所述图像的分割结果。

8.一种语义分割模型训练装置，其特征在于，所述装置采用多个预先标注有弱监督信息的训练图像对语义分割模型进行训练，所述训练装置包括：语义分割单元，用于将所述训练图像输入至所述语义分割模型，得到所述语义分割模型输出的所述训练图像的语义分割的初步结果；

融合单元，用于依据所述弱监督信息和从所述训练图像选择的多个局部候选区域，进行局部候选区域融合，得到所述训练图像的语义分割的校正结果；

修正单元，用于依据所述初步结果和所述校正结果，对所述语义分割模型的模型参数进行修正；

所述训练装置迭代运行，直至所述语义分割模型的训练结果满足预定收敛条件。

9.一种图像分割装置，其特征在于，所述图像分割装置用于将待分割的图像作为语义分割模型的输入，根据所述语义分割模型的输出结果确定所述图像的分割结果；其中，所述语义分割模型预先采用如权利要求8所述的训练装置进行训练。

10.一种计算设备，其特征在于，包括：处理器、通信接口、存储器以及通信总线；所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一指令；所述指令使所述处理器执行以下操作：将所述训练图像输入至所述语义分割模型，得到所述语义分割模型输出的所述训练图像的语义分割的初步结果；

依据所述弱监督信息和从所述训练图像选择的多个局部候选区域，进行局部候选区域融合，得到所述训练图像的语义分割的校正结果；

依据所述初步结果和所述校正结果，对所述语义分割模型的模型参数进行修正；

迭代执行所述训练步骤直至所述语义分割模型的训练结果满足预定收敛条件。